χ₀: Управление ресурсами для устойчивого манипулирования путем устранения распределительных несоответствий

Аннотация

Высоконадежное манипулирование объектами роботами с длительным горизонтом планирования традиционно опиралось на большие объемы данных и вычислительные ресурсы для понимания сложной динамики реального мира. Однако мы установили, что основным препятствием к достижению устойчивости в реальных условиях является не только масштаб ресурсов, но и сдвиг распределения между распределением демонстраций человека, индуктивным смещением, усвоенным политикой, и распределением выполнения на этапе тестирования — системное несоответствие, которое вызывает накапливающиеся ошибки в многоэтапных задачах. Для смягчения этих несоответствий мы предлагаем χ₀, ресурсоэффективный фреймворк с эффективными модулями, предназначенный для достижения промышленного уровня надежности в роботизированном манипулировании. Наш подход основывается на трех технических столпах: (i) Модельная арифметика — стратегия слияния в пространстве весов, которая эффективно усваивает разнообразные распределения различных демонстраций, от вариаций внешнего вида объектов до вариаций состояний; (ii) Поэтапное преимущество — оценщик преимущества с учетом этапов, который обеспечивает стабильные, плотные сигналы прогресса, преодолевая численную нестабильность предыдущих непоэтапных подходов; и (iii) Согласование обучения и развертывания, которое устраняет разрыв распределений с помощью пространственно-временной аугментации, эвристических коррекций DAgger и временного сглаживания по фрагментам. χ₀ позволяет двум наборам двухруких роботов совместно выполнять манипуляции с одеждой с длительным горизонтом, включая задачи от разглаживания и складывания до развешивания различной одежды. Наш метод демонстрирует высоконадежную автономность; мы можем запускать систему из произвольного начального состояния непрерывно в течение 24 часов подряд. Эксперименты подтверждают, что χ₀ превосходит современный метод π₀.₅ по проценту успешных выполнений почти на 250%, используя лишь 20 часов данных и 8 GPU A100. Код, данные и модели будут опубликованы для содействия научному сообществу.

English

High-reliability long-horizon robotic manipulation has traditionally relied on large-scale data and compute to understand complex real-world dynamics. However, we identify that the primary bottleneck to real-world robustness is not resource scale alone, but the distributional shift among the human demonstration distribution, the inductive bias learned by the policy, and the test-time execution distribution -- a systematic inconsistency that causes compounding errors in multi-stage tasks. To mitigate these inconsistencies, we propose χ_{0}, a resource-efficient framework with effective modules designated to achieve production-level robustness in robotic manipulation. Our approach builds off three technical pillars: (i) Model Arithmetic, a weight-space merging strategy that efficiently soaks up diverse distributions of different demonstrations, varying from object appearance to state variations; (ii) Stage Advantage, a stage-aware advantage estimator that provides stable, dense progress signals, overcoming the numerical instability of prior non-stage approaches; and (iii) Train-Deploy Alignment, which bridges the distribution gap via spatio-temporal augmentation, heuristic DAgger corrections, and temporal chunk-wise smoothing. χ_{0} enables two sets of dual-arm robots to collaboratively orchestrate long-horizon garment manipulation, spanning tasks from flattening, folding, to hanging different clothes. Our method exhibits high-reliability autonomy; we are able to run the system from arbitrary initial state for consecutive 24 hours non-stop. Experiments validate that χ_{0} surpasses the state-of-the-art π_{0.5} in success rate by nearly 250%, with only 20-hour data and 8 A100 GPUs. Code, data and models will be released to facilitate the community.

χ₀: Управление ресурсами для устойчивого манипулирования путем устранения распределительных несоответствий

χ_{0}: Resource-Aware Robust Manipulation via Taming Distributional Inconsistencies

Аннотация

Support